编辑我已经修改了下面的部分描述,以澄清我所说的“功能”和“组”的含义,修复了一个拼写错误,并包含了我尝试过的其他代码。你知道吗
我的熊猫df
有450万行和23列。下表显示了由df
生成的df2
中的几行。它显示了两组(eeskin和hduquant)和三个特征(失败,退出状态,和作业编号):
# report by group
group feature #_cats #_jobs rank top_value freq \
10 eeskin failed 1 6 -1 100 6
21 eeskin exit_status 1 6 -1 0 6
0 eeskin job_number 1 6 -1 4.08219e+06 6
21 hduquant exit_status 5 64 -1 37 58
11 hduquant failed 2 64 -1 0 63
1 hduquant job_number 2 64 -1 4.07192e+06 61
“rank”列值-1是占位符。你知道吗
我想更新每个功能组的排名。”在这种情况下,“特征”是指“特征”列中的每个唯一值:失败、退出状态和作业编号。例如,更新作业编号的排名意味着仅在列“feature”等于作业编号的行上修改列“rank”中的值。事实证明,这些行中的每一行都对应于“group”列中的不同group值。你知道吗
因此,我不想一次更新列“rank”中的所有值,而是希望逐个特性地执行这些操作,即每次写入都会更新单个特性上所有组的值。你知道吗
功能“job#u number”的排名基于“##u jobs”列的值(最高的作业数是排名1)。对于功能“failed”,排名基于“top\u value”的“freq”。exits_status
现在可以保持-1。你知道吗
结果应该是这样的:
group feature #_cats #_jobs rank top_value freq \
10 eeskin failed 1 6 1 100 6
21 eeskin exit_status 1 6 -1 0 6
0 eeskin job_number 1 6 2 4.08219e+06 6
21 hduquant exit_status 5 64 -1 37 58
11 hduquant failed 2 64 2 0 63
1 hduquant job_number 2 64 1 4.07192e+06 61
“eeskin”在failed
排名第一,job_number
排名第二hdquant“为failed
排名2,job_number
排名1。你知道吗
我可以用以下代码更新job_number
的秩值:
if feat == 'job_number':
grouped = grouped.sort_values("#_jobs", ascending=False)
grouped['rank'] = grouped.index + 1
group feature #_cats #_jobs rank top_value freq \
10 eeskin failed 1 6 -1 100 6
21 eeskin exit_status 1 6 -1 0 6
0 eeskin job_number 1 6 2 4.08219e+06 6
21 hduquant exit_status 5 64 -1 37 58
11 hduquant failed 2 64 -1 0 63
1 hduquant job_number 2 64 1 4.07192e+06 61
但当我尝试更新两者时,两者都没有更新:
feat = ['job_number', 'failed']
for f in feat:
if f == 'job_number':
grouped = grouped.sort_values("#_jobs", ascending=False)
grouped['rank'] = grouped.index + 1
elif f == 'failed': # or f == 'exit_status'
x = len(not grouped[f] == 0)
grouped['x'] = x
grouped = grouped.sort_values("x", ascending=False)
grouped['rank'] = grouped.index + 1
del grouped['x']
group feature #_cats #_jobs rank top_value freq \
10 eeskin failed 1 6 -1 100 6
21 eeskin exit_status 1 6 -1 0 6
0 eeskin job_number 1 6 -1 4.08219e+06 6
21 hduquant exit_status 5 64 -1 37 58
11 hduquant failed 2 64 -1 0 63
1 hduquant job_number 2 64 -1 4.07192e+06 61
我曾试图实施马特W.的建议,但至今没有成功:
df.loc[df.feature == 'job', 'rank'] = df.loc[df.feature == 'job', 'jobs'].rank(ascending=False)
我修改了他的代码如下,但也没有成功:
df2.loc[df2['feature' == 'job_number'] & df2['rank']] = (df2.loc[df2['#_jobs']].rank(ascending=False))
附录@Matt W
输入:
import pandas as pd
df = pd.DataFrame([['g1', 'u1', 3902779, '2018-09-27 21:38:06', '2018-10-01 07:24:38', '2018-10-01 08:00:42', 0, 0, 'single', 1, 55696, 609865728.0, 4.0, 6.0, 0, 0, 4.0, 0, 'single', 1, 0, pd.Timedelta('3 days 09:46:32'), pd.Timedelta('00:36:04')]],
columns=['group', 'owner', 'job_number', 'submission_time', 'start_time', 'end_time', 'failed', 'exit_status', 'granted_pe', 'slots', 'task_number', 'maxvmem', 'h_data', 'h_rt', 'highp', 'exclusive', 'h_vmem', 'gpu', 'pe', 'slot', 'campus', 'wait_time', 'wtime'])
df = (df.astype(dtype={'group':'str', 'owner':'str', 'job_number':'int', 'submission_time':'datetime64[ns]', 'start_time':'datetime64[ns]', 'end_time':'datetime64[ns]', 'failed':'int', 'exit_status':'int', 'granted_pe':'str', 'slots':'int', 'task_number':'int', 'maxvmem':'float', 'h_data':'float', 'h_rt':'float', 'highp':'int', 'exclusive':'int', 'h_vmem':'float', 'gpu':'int', 'pe':'str', 'slot':'int', 'campus':'int', 'wait_time':'timedelta64[ns]', 'wtime':'timedelta64[ns]'}))
df
输出:
group owner job_number submission_time start_time end_time failed exit_status granted_pe slots task_number maxvmem h_data h_rt highp exclusive h_vmem gpu pe slot campus wait_time wtime
0 g1 u1 3902779 2018-09-27 21:38:06 2018-10-01 07:24:38 2018-10-01 08:00:42 0 0 single 1 55696 609865728.0 4.0 6.0 0 0 4.0 0 single 1 0 3 days 09:46:32 00:36:04
4080243 g50 u92 4071923 2018-10-25 02:08:14 2018-10-27 01:41:58 2018-10-27 02:08:50 0 0 shared 1 119 7.654482e+08 2.5 1.5 0 1 16.0 0 shared 1 0 1 days 23:33:44 00:26:52
4080244 g50 u92 4071922 2018-10-25 02:08:11 2018-10-27 01:46:53 2018-10-27 02:08:53 0 0 shared 1 2208 1.074463e+09 2.5 1.5 0 10 24.0 0 shared 1 0 1 days 23:38:42 00:22:00
代码生成第一行。我又加了几行,只是为了多样化。你知道吗
有203个团体,699个业主。有数千个作业:“作业”定义为作业编号、任务编号和提交时间的唯一组合。你知道吗
我想创建一个总体报告和每个组一个报告,都关注资源使用情况。你知道吗
整体报告的组成部分:
一般统计:
工作:
所有者:
组:
个别“按组”报告的组成部分:
按特征(df中的列):
一般统计:
小组统计:
按职务:
所有者:
按排名:
在这里,我希望每个组与所有其他组进行排名,从使用率最高或最“失败”的1到使用率最低的203。我将使用这些值为每个组绘制一个图。你知道吗
排名:
通过使用pandas
.loc
可以更轻松地实现这一点初始化数据帧:
我们想对jobs特性进行排序,所以我们只需使用
.loc
隔离列位置,然后在赋值的右侧,使用.loc
隔离jobs列并使用.rank()
函数按职务价值排列职务特征:
按频率对故障特征进行排序,其中最大值不为0:
对于这一个你做排名的那些是0,这似乎违背了你所说的。所以我们要用两种方法。你知道吗
这样我们就可以过滤掉0,然后对其他的东西进行排序。这将使
top_value == 0
列保持为-1这样我们就不会过滤掉0
相关问题 更多 >
编程相关推荐